短期记忆

Blockbuater_drug

《AI Agent原理与实战》2026版第14课记忆管理本文收录于专栏《AI Agent原理与实战》2026版 —— 专栏系统覆盖 AI Agent 的记忆、工具、插件与实战，点击订阅可跟踪后续更新。

短期记忆 vs 长期记忆：Agent 记忆系统的分层架构设计AI Agent 的记忆系统是决定其智能水平的核心基础设施。本文从人类认知科学的双系统理论出发，系统性地拆解 Agent 记忆的分层架构——工作记忆、会话记忆、长期记忆三层体系。深入探讨每层的设计原理、工程实现与取舍策略：工作记忆管理当前推理上下文，受限于 LLM 上下文窗口；会话记忆实现跨轮对话状态保持，需在完整性与 token 效率之间平衡；长期记忆基于向量数据库与知识图谱，解决知识持久化与精准检索问题。文章包含完整的 Python 实现代码、Mermaid 架构图、检索策略对比分析，以及"遗忘机制"

4.2 记忆机制：短期/长期/向量记忆、记忆总结人没有记忆就是金鱼——每次醒来都不记得昨天发生了什么。Agent 也一样，没有记忆的 Agent 只是个「单次对话工具」。要让 AI 助手真正有用，它必须能跨会话记住你是谁、你做过什么、你喜欢什么。这就是记忆系统的价值。

基础篇--概念原理-22-大模型的Context窗口是什么？怎么理解？——从原理到实战，一篇讲透作者：Weisian 发布时间：2026年4月直击痛点：“面试官：‘大模型的Context窗口是什么？’你：‘就是模型能处理的最大Token数……’面试官：‘那为什么长窗口模型会忘记中间的内容？怎么解决？’你：‘呃……可能是注意力机制的问题……’——这又是一个‘知道定义但讲不清原理’的死亡问答：看似简单的概念，却能暴露你对大模型架构和工程落地的理解深度。”

AI Agent之记忆系统Memory更多 AI 文章见《智周万物（AI集萃）》专栏记忆系统（Memory System）是决定 Agent 能否进行复杂多轮对话、长任务编排以及个性化服务的核心组件。它解决了大模型上下文窗口有限、无法跨会话保留信息、不能积累经验的根本问题。

大模型学习笔记：LangChain核心组件-记忆（memory）模型本身是没有记忆的，它记不住历史的会话内容，我们需要通过技术手段，帮助模型记住会话历史，产生记忆。LLM 本身是无状态（stateless）的： -每次对话都是独立请求

LangChain核心组件之Short-term memory记忆是一种用于记录先前交互信息的系统。对于 AI Agent（智能体）而言，记忆至关重要——它使智能体能够记住过往对话、从用户反馈中学习，并适应用户的偏好。随着智能体处理的任务越来越复杂、交互轮次越来越多，这种能力对提升效率和用户体验变得不可或缺。

深度智能体-长短期记忆创建深度智能体时，如果不配置持久化存储，缺省使用基于状态的持久化后端。此时，文件系统保存在状态中，对话结束保存在其中的数据将丢失。为了跨线程共享数据，可以使用混合持久化后端，把不同路径的文件分别保存在状态中或者本地文件系统或数据库中。

我是有底线的